Apeas
[ad_1]
Le film de Darren Aronofsky met en scène un mathématicien doté d’une capacité étonnante à effectuer des calculs complexes dans sa tête. Malgré son talent, il utilise un ordinateur pour faire des prédictions d'actions. Dans une scène, après avoir reconnu un motif prédictif dans une sortie à 216 chiffres, le personnage est tellement dépassé qu'il s'évanouit.
Ce scénario est de la science fiction, mais les ordinateurs ont longtemps eu que les humains. Lorsqu'il est utilisé pour construire une intelligence artificielle, les avantages d'un ordinateur augmentent au fur et à mesure de la croissance de ses jeux de données.
Systèmes basés sur des règles
L’investissement fondé sur des règles peut être retracé dans la littérature formatrice de l’industrie. Des livres écrits par Benjamin Graham et d'autres investisseurs légendaires expliquent les règles d'investissement que les praticiens ont testées et mises en œuvre au fil des ans. Ce raisonnement précoce constitue la base de nombreux processus à base de règles utilisés aujourd'hui pour prendre des décisions d'investissement actives.
Les règles explicites suppriment les émotions des décisions d'investissement et limitent les erreurs humaines d'exécution. Les approches systématiques utilisent souvent les mêmes informations que les investisseurs discrétionnaires – des données de marché avec des résultats de décision d'achat ou de vente. Les règles qui sous-tendent ces décisions sont conçues par des humains, mais les ordinateurs conservent un avantage important: ils peuvent appliquer les directives à plus de marchés et d'instruments qu'aucun individu ne pourrait en analyser.
Les systèmes à base de règles représentent l'intelligence artificielle dans sa forme de base, sous la forme d'une série d'énoncés «si-alors» utilisés pour prendre des décisions à la place d'un humain. Ces systèmes permettent aux investisseurs de prendre la logique en tête et de la codifier pour traiter les informations de manière plus efficace et cohérente.
Machines acquérant des connaissances
Un système statique basé sur des règles est intelligent, mais limité car il ne peut pas apprendre seul. L'apprentissage automatique se produit lorsqu'un système traite des données afin d'évaluer son pouvoir prédictif, puis, à l'aide des informations qu'il a acquises, améliore son processus pour la prochaine itération.
Les stratégies d'investissement systématique acquièrent des connaissances en empruntant la logique à la génétique. Dans le calcul évolutif, les règles d'investissement évoluent à travers la sélection en utilisant des arbres de décision parents et descendants. Les règles qui réussissent survivent, un peu comme les gènes de la reproduction, et lorsque les ordinateurs peuvent combiner les meilleures caractéristiques de chaque stratégie, cela ne prend pas toute la vie.
L'intelligence artificielle s'applique également aux investissements via une extension de l'apprentissage automatique appelée. L'apprentissage en profondeur cherche à reconnaître les tendances des marchés financiers par le biais d'un processus similaire à la reconnaissance faciale et vocale. Il utilise des réseaux de neurones pour traiter les informations, connectant efficacement les neurones virtuels en imitant la conception du cerveau humain.
Bien qu'elle n'en soit encore qu'à ses débuts, cette forme de reconnaissance de modèle est en mesure de perturber les formes traditionnelles d'analyse technique. Les progrès de la puissance de traitement ont permis d’identifier des modèles à travers des filtres plus profonds qu’un simple tableau de prix.
Deep Learning et Big Data
Le volume de données sur les marchés financiers est énorme et augmente chaque jour. Le déchiffrement du signal de bruit dans cet environnement représente une opportunité d'égale magnitude. Dans ce contexte, appliquer l'apprentissage en profondeur à l'univers du big data offre le plus grand potentiel d'investissement pour l'IA.
Alors que les performances de la plupart des algorithmes diminuent avec l’augmentation du volume de données, cette influence affecte moins l’apprentissage en profondeur. En conséquence, l'intersection de l'apprentissage en profondeur et du Big Data est actuellement ciblée. En fin de compte, une combinaison de ces disciplines sera disponible à l'avenir.
L’investissement est traditionnellement une activité cyclique et la technologie mise au point aujourd’hui est en rupture avec cela. Etre capable d'analyser plus d'informations avec plus d'intelligence que ce qui est humainement possible est un changement structurel dans une industrie bien équipée pour innover. Les investisseurs se concentrent naturellement sur les domaines où ils peuvent avoir un avantage, et combiner leurs forces avec celles de l’IA augmentera la valeur qu’ils créent avec chaque investissement.
Si vous avez aimé cet article, n'oubliez pas de vous abonner à la Investisseur entreprenant.
Tous les messages sont l'opinion de l'auteur. En tant que tels, ils ne doivent pas être interprétés comme un conseil en investissement, et les opinions exprimées ne reflètent pas nécessairement les vues du CFA Institute ou de l’employeur de l’auteur.
Crédit image: © Getty Images / JIRAROJ PRADITCHAROENKUL
